Buchumschlag

MoCA: Identity-Preserving Text-to-Video Generation via Mixture of Cross Attention

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xie, Qi, Ma, Yongjia, Di, Donglin, Gao, Xuehao, Yang, Xun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MoCA: Mixture-of-Components Attention for Scalable Compositional 3D Generation
von: Li, Zhiqi, et al.
Veröffentlicht: (2025)

Tuning-Free Long Video Generation via Global-Local Collaborative Diffusion
von: Ma, Yongjia, et al.
Veröffentlicht: (2025)

MoCA-Video: Motion-Aware Concept Alignment for Consistent Video Editing
von: Zhang, Tong, et al.
Veröffentlicht: (2025)

TrAME: Trajectory-Anchored Multi-View Editing for Text-Guided 3D Gaussian Splatting Manipulation
von: Luo, Chaofan, et al.
Veröffentlicht: (2024)

UniCP: A Unified Caching and Pruning Framework for Efficient Video Generation
von: Sun, Wenzhang, et al.
Veröffentlicht: (2025)

QR-LoRA: Efficient and Disentangled Fine-tuning via QR Decomposition for Customized Generation
von: Yang, Jiahui, et al.
Veröffentlicht: (2025)

EverybodyDance: Bipartite Graph-Based Identity Correspondence for Multi-Character Animation
von: Ling, Haotian, et al.
Veröffentlicht: (2025)

DH-FaceVid-1K: A Large-Scale High-Quality Dataset for Face Video Generation
von: Di, Donglin, et al.
Veröffentlicht: (2024)

TV-3DG: Mastering Text-to-3D Customized Generation with Visual Prompt
von: Yang, Jiahui, et al.
Veröffentlicht: (2024)

MoCA3D: Monocular 3D Bounding Box Prediction in the Image Plane
von: Jeon, Changwoo, et al.
Veröffentlicht: (2026)

Real Face Video Animation Platform
von: Chen, Xiaokai, et al.
Veröffentlicht: (2024)

Hyper-3DG: Text-to-3D Gaussian Generation via Hypergraph
von: Di, Donglin, et al.
Veröffentlicht: (2024)

CogPortrait: Fine-Grained Eye-Region Control in Portrait Animation via Hierarchical Agent Planning
von: Feng, He, et al.
Veröffentlicht: (2026)

MoSA: Motion-Coherent Human Video Generation via Structure-Appearance Decoupling
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

Identity-Preserving Text-to-Video Generation via Training-Free Prompt, Image, and Guidance Enhancement
von: Gao, Jiayi, et al.
Veröffentlicht: (2025)

Spatial-Temporal Decoupled Reference Conditioning for Identity-Preserving Text-to-Video Generation
von: Chen, Yuheng, et al.
Veröffentlicht: (2026)

One-Shot Pose-Driving Face Animation Platform
von: Feng, He, et al.
Veröffentlicht: (2024)

GUESS:GradUally Enriching SyntheSis for Text-Driven Human Motion Generation
von: Gao, Xuehao, et al.
Veröffentlicht: (2024)

Identity-Preserving Text-to-Video Generation by Frequency Decomposition
von: Yuan, Shenghai, et al.
Veröffentlicht: (2024)

CA-IDD: Cross-Attention Guided Identity-Conditional Diffusion for Identity-Consistent Face Swapping
von: Rana, Md Shohel, et al.
Veröffentlicht: (2026)

MoEE: Mixture of Emotion Experts for Audio-Driven Portrait Animation
von: Liu, Huaize, et al.
Veröffentlicht: (2025)

MoGA: Mixture-of-Groups Attention for End-to-End Long Video Generation
von: Jia, Weinan, et al.
Veröffentlicht: (2025)

Adams Bashforth Moulton Solver for Inversion and Editing in Rectified Flow
von: Ma, Yongjia, et al.
Veröffentlicht: (2025)

DiTalker: A Unified DiT-based Framework for High-Quality and Speaking Styles Controllable Portrait Animation
von: Feng, He, et al.
Veröffentlicht: (2025)

FaithfulFaces: Pose-Faithful Facial Identity Preservation for Text-to-Video Generation
von: Wang, Yuanzhi, et al.
Veröffentlicht: (2026)

Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations
von: Wang, Yuji, et al.
Veröffentlicht: (2025)

WildActor: Unconstrained Identity-Preserving Video Generation
von: Guo, Qin, et al.
Veröffentlicht: (2026)

Identity-Preserving Image-to-Video Generation via Reward-Guided Optimization
von: Shen, Liao, et al.
Veröffentlicht: (2025)

CA^2ST: Cross-Attention in Audio, Space, and Time for Holistic Video Recognition
von: Lee, Jongseo, et al.
Veröffentlicht: (2025)

Knowledge Priors for Identity-Disentangled Open-Set Privacy-Preserving Video FER
von: Xu, Feng, et al.
Veröffentlicht: (2026)

Multimodal Cancer Survival Analysis via Hypergraph Learning with Cross-Modality Rebalance
von: Qu, Mingcheng, et al.
Veröffentlicht: (2025)

BIG-MoE: Bypass Isolated Gating MoE for Generalized Multimodal Face Anti-Spoofing
von: Ma, Yingjie, et al.
Veröffentlicht: (2024)

DanceTogether! Identity-Preserving Multi-Person Interactive Video Generation
von: Chen, Junhao, et al.
Veröffentlicht: (2025)

MoGAN: Improving Motion Quality in Video Diffusion via Few-Step Motion Adversarial Post-Training
von: Xue, Haotian, et al.
Veröffentlicht: (2025)

VMoBA: Mixture-of-Block Attention for Video Diffusion Models
von: Wu, Jianzong, et al.
Veröffentlicht: (2025)

ConsisDrive: Identity-Preserving Driving World Models for Video Generation by Instance Mask
von: Yang, Zhuoran, et al.
Veröffentlicht: (2026)

EchoVideo: Identity-Preserving Human Video Generation by Multimodal Feature Fusion
von: Wei, Jiangchuan, et al.
Veröffentlicht: (2025)

EigenActor: Variant Body-Object Interaction Generation Evolved from Invariant Action Basis Reasoning
von: Gao, Xuehao, et al.
Veröffentlicht: (2025)

Memory-Augmented Incomplete Multimodal Survival Prediction via Cross-Slide and Gene-Attentive Hypergraph Learning
von: Qu, Mingcheng, et al.
Veröffentlicht: (2025)

Text2QR: Harmonizing Aesthetic Customization and Scanning Robustness for Text-Guided QR Code Generation
von: Wu, Guangyang, et al.
Veröffentlicht: (2024)